EEG e investigación multimodal en neurociencia: tecnologías, herramientas y técnicas

1. El reto de estudiar el comportamiento humano

El estudio del comportamiento humano no es un esfuerzo reciente; ha sido objeto de exploración desde hace mucho tiempo. La observación de las acciones, reacciones e interacciones humanas es un eje central en numerosos escenarios de investigación. Estas interacciones, ya sean entre individuos o provocadas por estímulos externos, proporcionan información valiosa tanto a partir de las percepciones de los participantes como de sus respuestas al entorno.

Este enfoque analítico contribuye a una comprensión más profunda de las dinámicas relevantes de la conducta humana. Algunos de los campos en los que se realizan estos estudios son los factores humanos (UX), la psicología social, la interacción humano-máquina, el neuromarketing, entre otros.

El reto de estudiar el comportamiento humano es bien conocido por los investigadores, debido a la complejidad inherente a la naturaleza humana. Por esta razón, el uso del EEG y otros datos biosensoriales registrados en contextos multimodales está adquiriendo cada vez más relevancia y demanda dentro de la investigación en neurociencia.

A medida que evoluciona la tecnología, más investigadores consideran la incorporación de distintas herramientas de medición para obtener una fuente de información más completa. Así pueden estudiar las respuestas humanas desde múltiples perspectivas y analizar cómo interactúan entre sí. Factores relevantes como los puntos focales de atención o los estados emocionales juegan un papel clave en estos estudios, y pueden capturarse como señales biológicas esenciales.

Estos escenarios implican la aplicación simultánea de múltiples sensores y técnicas de medición. Con ellos, un solo procedimiento experimental permite al investigador obtener el mayor grado de conocimiento posible sobre las reacciones del sujeto. No obstante, el alcance de estos estudios está condicionado por factores como el caso de uso, las consideraciones de coste y la disponibilidad de recursos.

En este artículo, exploraremos el valor que aportan las combinaciones de EEG con otras tecnologías al panorama de la investigación en neurociencia, así como la manera de evaluar las mejores opciones para cada escenario.

2. ¿Cómo definir un laboratorio multimodal?

Para realizar estudios sobre comportamiento humano, el primer paso para el investigador consiste en definir qué parámetros, marcadores o métricas desea monitorizar en los sujetos [1]. El siguiente paso crucial es seleccionar los sensores y dispositivos adecuados para obtener esos datos.

El enfoque del investigador definirá la elección de la tecnología, ya que distintos sensores con características específicas pueden capturar parámetros similares, dependiendo del caso de estudio y del entorno experimental. Al definir un laboratorio multimodal, los factores clave son: la información buscada, el uso previsto, las limitaciones existentes y la selección de la combinación tecnológica más adecuada para la investigación.

En esta publicación, presentaremos las señales especialmente relevantes para estudios de comportamiento humano, así como algunas pautas clave sobre cómo elegir entre las distintas tecnologías que permiten registrarlas.

          a. Enfoque de atención

El enfoque de la atención visual es especialmente relevante cuando se evalúan las reacciones e interacciones humanas ante estímulos visuales. Es uno de los parámetros más importantes en muchos estudios de comportamiento.

Para obtener esta información, los sistemas de eye-tracking utilizan diferentes tecnologías que permiten medir la posición y el movimiento ocular (ver Figura 2). Puedes encontrar más información sobre estas tecnologías y su funcionamiento en Conoce aquí las distintas técnicas de eye-tracking y métodos para registrar movimientos oculares con precisión, cómo calibrar y cuáles son sus limitaciones | Bitbrain [2].

Dentro de estas opciones, el eye-tracking basado en cámara permite un método no invasivo y preciso para registrar la posición de la pupila y la córnea. Pueden adaptarse a múltiples escenarios dependiendo de sus especificaciones y diseño, por lo que pueden utilizarse en diversos entornos de investigación (Los diferentes tipos de dispositivos de eye tracking | Bitbrain [3]). Por eso, la elección entre ellas dependerá de las preferencias del investigador (Cómo elegir el dispositivo de eye tracking adecuado para tu investigación - Tobii [4]).

Figura 1: Mapa de calor de eye-tracking generado con un sistema de seguimiento ocular Tobii de pantalla.

                   b. Respuesta eléctrica cerebral

Las señales electroencefalográficas (EEG) representan la actividad eléctrica del cerebro y se registran mediante sensores. El EEG es una señal compleja que puede utilizarse para estimar muchas respuestas conscientes e inconscientes del usuario (¿Qué es EEG y para qué se utiliza? | Bitbrain [5]).

Debido a la gran cantidad de información que puede extraerse del EEG, estos datos son muy valiosos en diversos entornos de investigación, incluidos los laboratorios de comportamiento humano (La prueba EEG: usos, procedimientos y riesgos | Bitbrain [6]). Por ello, se han desarrollado distintos tipos de tecnologías EEG, adaptadas a las necesidades y características de cada escenario [7].

Una de las principales diferencias entre los sistemas EEG radica en la forma en que los sensores hacen contacto con la piel del usuario:

• Sensores que requieren una sustancia conductora como capa intermedia entre el sensor y la piel. Ofrecen una señal menos susceptible al ruido externo, gracias a su menor impedancia de contacto. Sin embargo, sacrifican velocidad de instalación y reducen la cantidad de contextos en los que pueden aplicarse: Sistema de EEG semi-seco, salina y gel | Bitbrain [8].
• Sensores que no requieren ninguna sustancia adicional (sensores secos). Esta tecnología permite una instalación más rápida y natural, lo cual es relevante en muchos estudios de comportamiento humano. A cambio, suelen ser más sensibles al ruido que los sensores húmedos. Como los sensores suelen estar fijos, los investigadores deben seleccionar el sistema EEG en función de las áreas corticales de interés: Cómo seleccionar un dispositivo EEG seco para tus aplicaciones de investigación | Bitbrain [9].

Figura 2: a) EEG seco de Bitbrain (Diadem, 12 canales). b) EEG semi-seco de Bitbrain (Versatile EEG, 32 canales).

               c. Otra información fisiológica

Las interacciones y reacciones humanas también generan cambios en otros parámetros fisiológicos del sujeto. Algunos de los más relevantes para el monitoreo del comportamiento humano son:

• Electrocardiograma (ECG): mide la actividad eléctrica del corazón del usuario, incluyendo la frecuencia cardíaca y su variabilidad.
• Electromiograma (EMG): mide la actividad eléctrica de los músculos en cualquier parte del cuerpo. Se puede utilizar para evaluar movimientos localizados, ya sean voluntarios o involuntarios.
• Respuesta Galvánica de la Piel (GSR): mide los cambios en la conductividad de la piel, directamente relacionados con el impacto inconsciente de estímulos externos (como la dilatación de poros, secreción de sudor, etc.).
• Presión por volumen sanguíneo (BVP): registra los cambios en el volumen de sangre que pasa por delante del sensor. También permite calcular la frecuencia cardíaca y su variabilidad.
• Esfuerzo respiratorio: refleja el movimiento y la expansión del tórax durante la respiración. Se utiliza para medir la frecuencia respiratoria y sus variaciones.

Figura 3: Diagrama de todas las bioseñales que pueden medirse en una investigación multimodal.

Además de estas y otras señales biológicas, también pueden utilizarse datos de reacciones humanas conscientes (interacción del sujeto con botones o pedales, sensores de movimiento, etc.) y datos ambientales (sensores de luz, temperatura, etc.) para estudiar con mayor profundidad los efectos del entorno y los estímulos sobre el comportamiento del usuario.

Una vez que los investigadores conocen todas estas posibilidades, junto con el caso de uso del proyecto y las limitaciones que este puede implicar, podrán seleccionar la combinación de bioseñales que les proporcione la información más valiosa.

Algunas publicaciones científicas que emplean este enfoque multimodal son: Framing, percepción del riesgo y campañas sociales de salud: Un análisis neurocientífico (Fernández-Lores et al., 2024), que utiliza un casco EEG seco Bitbrain Diadem junto con el amplificador de bioseñales Bitbrain Ring. La misma tecnología se utilizó en el artículo Evaluación del efecto de la velocidad y la aceleración en factores humanos durante una tarea de ensamblaje en interacción humano-robot (HRI) (Apraiz et al., 2025). Asimismo, combinando el EEG Bitbrain Versatile con sensores de agua junto con el amplificador de bioseñales Bitbrain Versatile Bio, encontramos el estudio Evaluación de la carga mental de conductores mediante medidas multimodales durante escenarios de conducción con doble tarea auditiva (Huang et al., 2024), así como el artículo Evaluación cuantitativa de la intensidad de atracción de elementos visuales del paisaje en autopistas basada en percepción dinámica (Qin et al., 2023).

3. ¿Por qué es útil sincronizar y estudiar estas respuestas conductuales?

Con la implementación del registro multimodal, cada parámetro registrado proporciona información por sí mismo al investigador, pero también aporta valor al conjunto al generar una sinergia. Por ejemplo, mediante eye tracking se puede analizar la mirada del participante sobre una pantalla. Sin embargo, si se añaden señales de actividad eléctrica cerebral (EEG) y conductancia de la piel (GSR) a los datos recogidos, es posible identificar cuáles de las áreas observadas resultaron más impactantes o agradables para el sujeto.

De la misma manera, puede usarse el EEG de forma individual para estudiar si un texto resulta memorable, pero el eye tracking permitirá conocer qué pasaje específico de la página es principalmente responsable de ese efecto.

Para aprovechar al máximo el valor del co-registro de todas estas señales, es fundamental sincronizar todos estos flujos de datos. Existen múltiples escenarios en los que la alineación temporal de estas señales es necesaria para analizar correctamente los parámetros del sujeto. Esto resulta relevante al detectar respuestas puntuales inesperadas o significativas, ya que el análisis sincronizado con los datos de otros sensores puede ofrecer al investigador pistas sobre sus posibles causas. Por ejemplo, vincular un movimiento no deseado con una respuesta anómala del ECG. Asimismo, en otros casos, la agregación de respuestas de los participantes ante un estímulo específico solo será posible si todas las señales están correctamente alineadas con el momento del evento (ver Figura 1). Esto permitirá comparar cómo reaccionan distintos sujetos en ese instante preciso, o en cualquier punto posterior.

Figura 4: Relevancia de la precisión temporal en las respuestas de potenciales evocados relacionados con eventos (ERP) mediante EEG entre sujetos. Una sincronización incorrecta generará errores en las etapas de posprocesamiento, como el cálculo de respuestas promedio.

Para profundizar más en la importancia de este procedimiento, puedes consultar nuestro artículo Sincronización del EEG con otros biosensores y software | Bitbrain[10], donde se detallan sus aplicaciones, especialmente en el ámbito del EEG.

Como se explica en ese artículo, la sincronización de datos puede realizarse mediante hardware y software. La disponibilidad de ambas opciones brinda a los investigadores flexibilidad para abordar esta tarea, dependiendo de su experiencia o de las condiciones del estudio.

En este sentido, en el campo del registro multimodal, existen opciones de software que automatizan este procedimiento, como SennsLab de Bitbrain, que permite sincronizar múltiples dispositivos. Otro ejemplo es Tobii Pro Lab, una herramienta compatible con diversas tecnologías para lograr una solución multimodal (Multimodal research solutions – EEG and Biometrics – Tobii[11]).

4. Escenarios de investigación relevantes

Una vez definidos los parámetros a estudiar, las limitaciones se encuentran en las condiciones ambientales en las que deben ser registrados.

Anteriormente, muchas de estas señales debían capturarse en condiciones poco realistas o desfavorables. Diversas limitaciones mecánicas y funcionales condicionaban el diseño del estudio: necesidad de conexión a la red eléctrica, influencia de la luz ambiental en la grabación, conexiones cableadas entre componentes, restricciones de movimiento del sujeto, etc. Estas limitaciones eran aún más frecuentes en contextos multimodales, ya que el uso de múltiples sensores implicaba mayores restricciones.

Sin embargo, los avances tecnológicos se han enfocado en mejorar la usabilidad y accesibilidad de estos sistemas. Como resultado, ahora existe una gama más amplia de procedimientos experimentales posibles, lo que añade valor a los estudios e incrementa la relevancia de los resultados y conclusiones obtenidos.

Estos nuevos sistemas deben encontrar un equilibrio entre su adaptabilidad y ciertas especificaciones técnicas. Por ello, es importante que el investigador seleccione una solución capaz de captar la calidad de señal necesaria, al tiempo que ofrece al participante suficiente libertad y comodidad para evitar sesgos en su comportamiento.

En este contexto, presentamos dos de los principales escenarios de investigación del comportamiento humano y algunos elementos clave a tener en cuenta para encontrar este equilibrio:

a. Escenario estático en laboratorio:

En este caso, las condiciones ambientales suelen ser menos exigentes. Esto permite a los investigadores utilizar sistemas con especificaciones técnicas más avanzadas para la captura de datos: frecuencia de muestreo, ancho de banda, resolución de señal, etc.

Este escenario también está ligado habitualmente a fases exploratorias iniciales, donde la resolución espacial de algunos sensores y la flexibilidad para colocarlos debe ser mayor. Así, se pueden evaluar distintas configuraciones para optimizar la aplicación y el procedimiento experimental antes de pasar a fases más especializadas (explicado en más detalle en El gorro EEG húmedo: gorros EEG semisecos, con solución salina y gel | Bitbrain[8]).

Factores clave a tener en cuenta en este tipo de experimentos:

• Alta resolución espacial en todos los sensores. Particularmente relevante en trabajos exploratorios y estudios que requieren señales detalladas.
• Diseño flexible de canales. Permite probar distintas configuraciones de sensores y facilita su reutilización en experimentos futuros.
• Disposición cómoda. Fundamental incluso en entornos controlados, ya que reduce condicionamientos externos no deseados en la respuesta del sujeto.
• Tiempo de instalación reducido. Importante tanto para la comodidad del participante como para optimizar el tiempo del estudio cuando se trabaja con grandes muestras o sesiones consecutivas.

Ámbitos de aplicación habituales:

• Diseño de estímulos basados en pantalla. No requieren mucha libertad de movimiento, por lo que pueden realizarse en entornos controlados (ver Figura 4). Estos estímulos pueden diseñarse para estudiar distintos aspectos, como las reacciones emocionales en una población con autismo.
• Simulaciones virtuales. Generalmente requieren una disposición estática, especialmente en sus etapas iniciales de diseño. Los entornos de pantalla son los más beneficiados, aunque también puede aplicarse en estudios con realidad virtual (VR) u otros más complejos.

Figura 5: Escenario multimodal en laboratorio: Bitbrain Diadem, Bitbrain Ring y Tobii Pro Spark.

b. Escenario en la Vida Real

A diferencia del caso anterior, estos estudios exigen condiciones más exigentes en cuanto a ergonomía y adaptabilidad de los sensores.

Suelen requerir tiempos de instalación rápidos y diseños de sistemas minimalistas para una experiencia más natural del sujeto. Además, al estar ligados a pruebas con movimiento controlado, también requieren ser inalámbricos y robustos.

Factores clave en este escenario:

• Comodidad en la disposición. Más crítica aún que en el escenario de laboratorio, permite un comportamiento más natural del usuario.
• Tiempo de instalación mínimo. Fundamental para lograr el factor anterior.
• Tecnología seca. No depender de líquidos o geles permite aplicar el sistema en más contextos sin preocuparse por la pérdida de humedad o degradación de la señal.
• Inalámbrico. Factor clave para permitir libertad de movimiento.
• Copia de seguridad. Especialmente útil en condiciones que puedan afectar la conexión con sistemas externos o cuando se desea evitar que el comportamiento del sujeto se vea afectado por estaciones de grabación cercanas.
• Configuraciones más especializadas. Una vez superada la fase exploratoria en laboratorio, la optimización permite el uso de sistemas más pequeños que aún así capturan la información clave del estudio.

Ámbitos de aplicación relevantes:

• Estudios sobre el impacto ambiental. Ya sea sobre diseño arquitectónico, escaparates o distribución en museos, la libertad de movimiento es fundamental para estudiar las reacciones reales del público.
• Entornos educativos. Analizar las respuestas emocionales y cognitivas de niños ante técnicas pedagógicas en aulas o talleres es un ejemplo notable. No solo se requieren ergonomía y velocidad, sino también mejorar la aceptación entre los sujetos más jóvenes (ver Figura 5).

Figura 6: Escenario multimodal fuera del laboratorio: Tobii Pro Glasses 3 y Bitbrain Ikon EEG textil aplicados a la investigación educativa.

c. Escenarios Flexibles

Una amplia gama de opciones permite a los investigadores aplicar cualquier combinación multimodal de estos sistemas según el caso de estudio.

Ya sea que se requiera una configuración más especializada en laboratorio o mayor resolución espacial en entornos reales, cada combinación dependerá de encontrar un equilibrio entre las características de cada sensor.

Aquí se presenta una tabla comparativa con especificaciones técnicas de los sistemas Bitbrain y Tobii optimizados para estos distintos escenarios:

Tabla 1: Tabla comparativa de especificaciones técnicas del hardware de Tobii y Bitbrain.

5. Ejemplos de Investigación

Todos estos tipos de laboratorios y escenarios de estudio han crecido notablemente en los últimos años. Como resultado, la tecnología de Bitbrain y Tobii Pro ha sido utilizada por numerosos investigadores en todo el mundo. Estos son algunos ejemplos interesantes que nos gustaría compartir:

 Análisis conductual multimodal en un escenario real

Estudio de impacto en una exposición del Museo Marítimo de San Sebastián [12]

Este estudio fue realizado en 2020 por el laboratorio HU&UX (Factores Humanos y Experiencia de Usuario) de TECNALIA Research & Innovation.

El objetivo era "identificar los recursos expositivos que resultan más atractivos para los visitantes" (Sara Sillaurren, Project Manager TIC y una de las principales investigadoras del estudio). En palabras del equipo, el objetivo principal fue “crear un informe final que determine los elementos clave de la exposición que generan mayor impacto en el público, para orientar a los responsables del museo en futuras muestras”.

Para ello, se requería el máximo nivel de libertad de movimiento y comodidad por parte de los sujetos. Las condiciones ambientales de la exposición debían mantenerse para extraer información relevante sobre la respuesta inconsciente de los visitantes ante estímulos como textos, imágenes, vídeos y olores.

Tecnología utilizada:

• Registro EEG – Diadem EEG
• Registro GSR y BVP – Ring
• Registro de seguimiento ocular – Tobii Pro Glasses 3 (inalámbrico)
• Sistema de Posicionamiento Indoor – InTrack (no disponible comercialmente)

El registro multimodal se realizó con el software SennsLab y el análisis de datos se llevó a cabo en la plataforma SennsCloud y SennsMetrics.

Gracias a estas herramientas, el equipo extrajo un análisis completo cognitivo y emocional de la respuesta del público, segmentado por grupos de edad. Los resultados se obtuvieron dividiendo la exposición en distintas áreas temáticas y categorizando los estímulos presentados en cada una.

Figura 6: Diagrama del escenario multimodal fuera del laboratorio: Tobii Pro Glasses 3, Bitbrain Diadem y Ring. Flujo de datos que especifica los pasos seguidos para llevar a cabo el estudio y obtener los resultados.

Análisis conductual multimodal en un escenario estático en laboratorio:

Detección de los estados cognitivos del conductor mediante LightGMB con datos fusionados de múltiples fuentes [13]

Esta investigación fue realizada por investigadores de la Universidad de Tsinghua para el WCX SAE World Congress Experience.

Hoy en día, es común que los conductores usen el teléfono móvil mientras conducen, lo que genera distracción cognitiva y puede provocar accidentes de tráfico. El estudio del estado cognitivo de los conductores es clave para desarrollar soluciones que prevengan este tipo de accidentes relacionados con el uso del móvil.

Para ello, los investigadores se centraron en tres aspectos:

1. Características del vehículo en funcionamiento, medidas con el software ErgoLab. Según la literatura, no hay diferencias significativas entre recoger datos en conducción real o en simulador, por lo que el experimento se realizó en un simulador de conducción: CarSim 2016.
2. Características visuales, medidas con el dispositivo de pantalla Tobii Pro Fusion.
3. Actividad cerebral (EEG), registrada con un equipo Versatile EEG de 32 canales.

El algoritmo LightGMB evalúa de forma general si los parámetros medidos permiten detectar el estado cognitivo del conductor en mayor o menor medida.

El experimento se realizó con 8 participantes sanos de entre 20 y 30 años, quienes debían conducir por una carretera de dos carriles en el simulador. Se los sometió a tres tareas con diferentes niveles de carga cognitiva:

• Tarea 1: el sujeto no se distrae y se enfoca en la conducción.
• Tarea 2: el sujeto recibe una llamada y se le hacen preguntas simples de tipo conversacional.
• Tarea 3: se llama al conductor y se le solicitan cálculos aritméticos, lo que genera un estado de distracción extrema.

Este estudio multimodal permite obtener distintos tipos de información a partir del hardware utilizado.

Medir parámetros del vehículo como el ángulo del volante o la curvatura de la carretera permite evaluar la distracción visual. En el caso del eye tracking, se pueden analizar variables como la velocidad del movimiento ocular o la frecuencia de fijación, que permiten distinguir niveles de distracción cognitiva. También se mide la dilatación pupilar, activada por el sistema simpático ante situaciones percibidas como peligrosas. Finalmente, mediante el análisis de la señal EEG, se estudian las frecuencias alfa y beta; su aumento indica una mayor carga cognitiva en el sujeto.

Con este enfoque, el grupo de investigación logró analizar el estado cognitivo de distintos conductores bajo diversos niveles de concentración, y además evaluó cuáles parámetros ofrecían la información más valiosa.

Figura 7: Diagrama del escenario multimodal en laboratorio: Tobii Pro Fusion, Bitbrain Versatile EEG y Ring. El flujo de datos especifica los pasos seguidos para realizar el estudio y extraer resultados.

Conclusión

El estudio del comportamiento humano es una tendencia investigadora que está ganando cada vez más relevancia en campos como los factores humanos, la interacción humano-máquina, la sociología, entre otros. Este artículo ofrece una visión general de cómo abordar estos estudios y expone cómo los investigadores destacan la importancia de medir múltiples señales biológicas, lo que permite realizar estudios más completos y desde diferentes perspectivas.

Para llevar a cabo estos estudios multimodales, es fundamental considerar tres aspectos clave:

• Definir los parámetros a estudiar (atención, EEG, GSR, ECG, etc.).
• Elegir una combinación tecnológica adecuada, que esté correctamente sincronizada.
• Reconocer que los requerimientos del hardware dependerán de las señales a monitorizar, lo cual puede limitar el tipo de escenario en que se desarrollen los proyectos.

Esta ha sido, hasta ahora, la principal limitación de los estudios multimodales: ciertos factores obligan a desarrollarlos en entornos de laboratorio. Sin embargo, esto también presenta una ventaja: al controlar las condiciones ambientales, se pueden utilizar dispositivos con especificaciones técnicas más altas.

No obstante, el desarrollo de nuevas tecnologías se ha centrado en facilitar el uso de estos sistemas en cualquier situación, sin sacrificar la calidad de la señal. Esto ha permitido realizar estudios en escenarios de la vida real, donde las condiciones son más exigentes.

Finalmente, este artículo ha presentado varios casos de estudios multimodales realizados con combinaciones de tecnologías de Tobii y Bitbrain en diferentes contextos. Estas investigaciones fueron exitosas, lo que demuestra que el desarrollo de este tipo de tecnología está permitiendo realizar estudios lo más cercanos posible a la realidad dentro del campo del comportamiento humano.

6. Bibliografía

[1]       Yu, Z., & Wang, Z. (2020). Human Behavior Analysis: Sensing and Understanding. En Springer eBooks. https://doi.org/10.1007/978-981-15-2109-6 

[2]       Mento, Mark A. May 5, 2020. This is How Eye Tracking Technology Works. Bitbrain. 

[3]       Mento, Mark A. June 12, 2020. Different Kinds of Eye Tracking Devices. Bitbrain. 

[4]       Bondi, Marisa. September 3, 2021. How to choose the right eye tracker for your research – the all-in-one guide. Tobii Blog. 

[5]       Shure, Caitlin. February 12, 2021. What is EEG and what is it used for? Bitbrain.  

[6]       Gil-López, Cristina. March 12, 2021. The procedure and Uses of EEG Test. Bitbrain. 

[7]       Niso, G., Romero, E., Moreau, J. T., Araujo, A., & Krol, L. R. (2023). Wireless EEG: A survey of systems and studies. NeuroImage, 269, 119774. https://doi.org/10.1016/j.neuroimage.2022.119774  

[8]       Bitbrain Team. July 14, 2020. The Wet EEG Cap & Differences Between Water-Based, Saline and Gel EEG caps. Bitbrain. 

[9]       Minguez, Javier. May 12, 2020. How to Select a Dry-EEG Headset for your Research Application. Bitbrain.  

[10]     Oliver, Andreu. June 29, 2020. EEG Synchronization With Other Biosensors (EEG, ECG, EMG, eye tracking, etc.), and Software. Bitbrain.  

[11]     Multimodal research solutions - EEG and Biometrics. (s. f.). Tobii Blog. https://www.tobii.com/products/software/behavior-research-software/tobii-pro-lab/multimodal-research-solutions.  

[12]     Olaizola, Borja. January 10, 2020. El “mapa caliente” de Elcano. El diario Vasco. 

[13]      Li, J., Liu, Y., Ji, X., & Tao, S. (2022). Detection of driver’s cognitive states based on LightGBM with Multi-Source fused data. En SAE Technical Paper Series. https://doi.org/10.4271/2022-01-0066 

[14]     Fernandez‐Lores, S., Crespo‐Tejero, N., Fernández‐Hernández, R., & García‐Muiña, F. E. (2024). Framing, risk perception and social health campaigns: A neuroscientific analysis. Journal of Consumer Behaviour, 23(1), 76–89. https://doi.org/10.1002/cb.2151

[15]     Huang, J., Zhang, Q., Zhang, T., Wang, T., & Tao, D. (2024). Assessment of Drivers' Mental Workload by Multimodal Measures during Auditory-Based Dual-Task Driving Scenarios. Sensors (Basel, Switzerland), 24(3), 1041. https://doi.org/10.3390/s24031041

[16]     Apraiz, A., Lasa, G., Mazmela, M. et al. Evaluating the Effect of Speed and Acceleration on Human Factors during an Assembly Task in Human–Robot Interaction (HRI). Int J of Soc Robotics 17, 211–256 (2025). https://doi.org/10.1007/s12369-025-01224-7

[17]     Qin, Xiaochun & Fang, Mengjie & Yang, Dongxiao & Wangari, Vicky. (2023). Quantitative evaluation of attraction intensity of highway landscape visual elements based on dynamic perception. Environmental Impact Assessment Review. 100. 107081. 10.1016/j.eiar.2023.107081.